编辑：前沿在线 编辑部
逛完2026 北京车展，我最大的感受是：整个智能汽车行业，已经被英伟达包圆了。
你看不到它的巨型展台，看不到它的概念车，甚至连单独的发布会都没有。
但只要你走进任何一个智能汽车的展位，总能在 PPT 的某个角落看到那个绿色的 NVIDIA 标志。
奇瑞发布下一代 L3/L4 平台，核心是DRIVE Hyperion；德赛西威、小马智行、文远知行、元戎启行四家同台比域控制器，芯片清一色是DRIVE AGX Thor；阿里巴巴、联想、联发科秀座舱大模型，算力底座也是英伟达。
它没有租最大的展位，没有发概念车，甚至连单独的发布会都没开。但只要你走进任何一个智能汽车的展区，总能在最核心的技术页看到它。就像空气一样无处不在，你平时不会特意注意，但整个智能汽车行业，真的离不了它。
就在车展前一天的媒体会上，英伟达全球副总裁吴新宙带着 GTC 以来一直没好的咳嗽，平静地说了一句话，后来被整个行业转疯了：
"自动驾驶的 ChatGPT 时刻真的来了，现在我们已经能清晰看到 L4 的曙光了。"
这句话不是画饼。这次英伟达把黄仁勋提出的通用AI"五层蛋糕"完整搬到了汽车行业，用 "三台计算机 + 五层蛋糕" 的全栈体系，把辅助驾驶从 "技术验证" 推到了 "大规模量产" 的门口。
今天这篇文章，就跟你聊聊我在车展上看到的一切：英伟达到底用什么征服了半个汽车圈？2028 年坐上无人驾驶出租车，这次真的靠谱吗？
黄仁勋把 "五层蛋糕" 搬上了车，要吃下 13 万亿英里的市场
今年 3 月，黄仁勋写了一篇署名文章《AI 的“五层蛋糕”》，说AI 不是一个单一模型，也不是一款应用，而是关键基础设施。
从底层的能源、芯片，到上层的基础设施、模型、应用，一层托着一层，少了任何一环都不行。
没想到才过了一个月，这套逻辑就被完整复制到了汽车行业。吴新宙在北京车展前的媒体会上，正式亮出了英伟达汽车业务的 "五层蛋糕"：硬件、操作系统和平台软件、模型、应用、基础设施。
他说了一句特别实在的话，我印象特别深：
"我们希望做到的是，即便你的模型再烂，也没关系，放到我们平台上，至少不会撞。安全在这里是有保障的。"
这句话背后，是英伟达三十年三次战略跃迁的底气。
2006 年，所有人都觉得英伟达只是个做游戏显卡的公司，黄仁勋砸了几十亿美金做CUDA，把 GPU 变成了通用计算平台。当时很多人嘲笑他不务正业，但现在，所有大模型的根都扎在CUDA上。
2012 年，AlexNet 一战成名，黄仁勋立刻 all in AI，把英伟达变成了 AI 时代的 "卖铲人"。今天全球 90% 以上的大模型训练，都跑在英伟达的 DGX 集群上。
而现在，黄仁勋的第三次豪赌，押在了物理 AI 上。
"生成式 AI 只是序幕，物理 AI 才是未来十年的核心挑战。" 这是黄仁勋在 GTC 2026 上反复说的话。在他看来，AI 不能只停留在屏幕里生成文字图片，必须走进现实世界，感知、决策、做事。
而辅助驾驶，就是物理 AI 第一个能大规模落地的战场。
吴新宙算了一笔账：全球每年车辆行驶里程是13 万亿英里，现在自动驾驶的占比还不到0.1%。保守估计下，假设每英里自动驾驶能创造1-2 美元的价值，这就是一个十万亿美元级的市场。
为了这个市场，英伟达已经准备了十年。
从提出PilotNet 端到端自动驾驶，到 2020 年和奔驰签全栈合作，再到今天拿出完整的 "五层蛋糕" 体系，英伟达已经从一家芯片公司，变成了整个智能汽车行业的技术底座。
有意思的是，黄仁勋挖来吴新宙，就是为了补齐英伟达最缺的一块：软件量产能力。
吴新宙在小鹏的时候，是第一个把英伟达 Xavier 和 Orin 芯片大规模落地的人，一手推动了城市 NGP 和全场景 XNGP 的量产。加入英伟达两年多，他交出的第一份答卷，就是这套能让全行业用起来的全栈体系。
GTC 前夕，黄仁勋和吴新宙一起试乘了搭载最新系统的奔驰 CLA，看着车流畅地应对旧金山的复杂路况，老黄评价说："这个方案独一无二，融合了 AI 和传统技术，既像人开的，又足够安全。"
别只盯着 Thor 芯片，英伟达的真正杀招是这 "三台计算机"这套釜底抽薪式的方案，核心是彻底重构了物理 AI 数据生产的底层逻辑。
这次车展，很多人都在聊Thor 芯片2000 FP4 TFLOPS 的算力。但说实话，单颗芯片的性能，从来不是英伟达最核心的护城河。
真正强悍的，是它构建的 "三台计算机" 体系 ——车端推理、云端训练、仿真计算，三者相互协同，形成了一个别人根本打不破的闭环。
第一台：车端的 Thor，不只是算力强
Thor 确实是目前最强的车规芯片，LLM 推理性能是上一代 Orin 的 20 倍，LLAMA-7B 跑起来比 Orin 快 9 倍。
但它最厉害的地方，不是算力数字，而是两个设计。
一个是FP4 精度支持。车端最大的痛点是带宽不够，FP4 能让同样的带宽传输两倍的权重，相当于不增加成本和功耗，直接把有效算力翻了一倍。
另一个是NVLink 双芯片互连。L4 级自动驾驶要求任何单点失效都不能出事，双 Thor 通过 NVLink 连起来，能做到真正的热备份，延迟几乎为零。这才是 L4 量产的必备条件。
第二台：云端的 Cosmos，才是 Alpamayo 的秘密
很多人以为 Alpamayo 只是一个用 8 万小时驾驶数据训练的模型，大错特错。
Alpamayo 的主干，是从英伟达的 Cosmos 世界基础模型蒸馏出来的。
而Cosmos，是用 2000 万小时的真实世界视频、2 亿精选视频片段、370 万推理样本训出来的。
这意味着什么？
Alpamayo 在看到任何驾驶数据之前，就已经懂这个世界了。
它知道物体会怎么运动，知道下雨会影响视线，知道行人可能会突然横穿马路。
别的模型是从零开始学开车，而Alpamayo是一个已经读完了全世界所有视频的成年人，只是在考驾照而已。这就是为什么它只用 8 万小时数据，就能吊打别人几百万小时的效果。
Alpamayo 在 Hugging Face 机器人模型下载量排名第二，LingoQA 榜单上的辅助驾驶推理模型排名第一，成了全球开发者的首选。
第三台：仿真计算机，解决了端到端最大的痛点
端到端时代最大的问题是什么？
不是训练难，是验证难。
以前的模块化架构，感知、规划、控制可以分开测。但端到端是 "像素进，轨迹出" 的黑盒，你根本不知道它为什么会做出某个决策。靠实车路测覆盖所有边缘场景，要跑几十亿公里，根本不现实。
英伟达的解决方案，是用Omniverse NuRec造一个无限大的数字练车场。
它能基于真实的传感器数据，6 小时内重建出照片级的 3D 场景。然后你可以随便往里面加东西：突然冲出来的电动车、掉在路中间的箱子，还能改天气、改光照、改时间。
现在英伟达每天能跑约 200 万次仿真，相当于在真实路上跑几百万公里。数据多样性直接提升了 10 倍，解决长尾问题的速度也快了 10 倍。
在这三台计算机之上，就是英伟达的 "五层蛋糕"。
从硬件到操作系统，从模型到应用，再到最顶层的基础设施，每一层都对生态开放，每一层都建立了行业标准。
尤其是Halos OS的安全护栏设计，真的是解决了所有开发者的后顾之忧。
它内置了一套经过充分验证的经典算法，实时盯着 AI 的输出。
只要 AI 的决策越界，经典系统立刻接管。就像副驾坐了一个经验丰富的老司机，你随便开，出问题他马上踩刹车。
2025 年，基于这套架构的 DRIVE AV 软件栈拿了欧洲 NCAP 年度第一名，安全性能是经过国际权威认证的。
北京车展英伟达朋友圈大赏：半个汽车圈都来站队了
技术再好，也要有人用。
这次北京车展，我最大的感受就是：英伟达的生态，真的已经成气候了。
最大的惊喜：奇瑞 all in 英伟达
这次最重磅的合作，无疑是英伟达和奇瑞的战略合作。这不是简单的买芯片，而是从汽车到机器人的全面合作。
奇瑞下一代 L3/L4 车型全用DRIVE Hyperion 平台，基于 Alpamayo 和 Cosmos 自研软件栈；座舱 AI 也跑在英伟达平台上；甚至连未来的人形机器人，都要用英伟达的Jetson 和 Isaac GR00T。
尹同跃在签约仪式上说："奇瑞的目标不是做汽车公司，是做智能科技公司。和英伟达的合作，能帮我们加速实现这个目标。"
除了奇瑞，奔驰、捷豹路虎、Lucid 这些海外品牌，也早就全面拥抱英伟达了。奔驰的 L2++ 已经在欧洲落地，今年会扩展到美国。
L4 量产加速：国产自动驾驶公司集体转向
一个特别明显的趋势是：以前喊着 "全栈自研" 的国产自动驾驶公司，现在几乎全部转向了英伟达平台。
德赛西威发了国内首款双 Thor+NVLink 的量产域控制器，能支持车规级 L3/L4；小马智行的新一代L4 域控制器，完全基于DRIVE Hyperion；
文远知行、元戎启行的下一代 Robotaxi，也全都是英伟达的方案。
一位行业老兵跟我说："以前大家都想做下一个特斯拉，现在都想明白了。英伟达已经把底层平台做好了，你再从头造轮子，既慢又贵，还不一定能做好。现在拼的不是谁能做出来，是谁能更快量产、成本更低。"
座舱 AI 大爆发：从 "能说话" 到 "会思考"
如果说辅助驾驶是英伟达的基本盘，那座舱 AI 就是它今年最大的增长点。
这次车展上，座舱 AI 真的不一样了。
以前的座舱就是个能语音控制的车机，现在已经进入了主动感知时代。
阿里巴巴的千问 - Omni 跑在 DRIVE 平台上，能主动感知车内外环境。看到路边的咖啡店会问你要不要停，看到前方堵车会主动绕路；
联想的 Auto AI Box 用一颗 Thor 同时跑座舱和智驾，硬件利用率直接提升 50%；联发科的天玑 C-X1 甚至集成了 Blackwell GPU，能在车里玩 3A 大作。
吴新宙说："未来的汽车不需要两个大脑。座舱和智驾的 AI 一定会融合，同一个大模型，既帮你开车，也陪你聊天。"
2028 年真能坐上无人驾驶出租车？英伟达给了准信
聊了这么多技术和生态，大家最关心的肯定还是：什么时候能用上？
这次英伟达给了非常明确的时间表，没有任何模糊的 "未来"、"即将"：
2026 年：L2++ 点到点辅助驾驶全面落地，覆盖旧金山、洛杉矶、纽约、伦敦、首尔、慕尼黑；
2027 年：和 Uber 合作，在美国部分城市启动 L4 级 Robotaxi 试点，采用地理围栏运营；
2028 年：为洛杉矶奥运会提供 L4 级无人驾驶服务，届时覆盖四大洲 28 座城市；
2028-2030 年：L4 级乘用车开始大规模量产。
"今年年底，我们会把 Alpamayo 的完整能力放到量产车的前期测试中。"吴新宙透露，"正式量产装车要到 2028 年，但 2027 年，你就能在美国打到英伟达技术的无人驾驶出租车了。"
关于行业吵了很久的 "L3 是不是鸡肋" 的问题，吴新宙也给出了非常务实的回答：
"L3 和 L4 技术上差别不大，核心是运营模式。L3 能让你在高速上解放双手玩手机，这对很多人来说已经是刚需了。而 L4 需要云端远程操控，成本太高，不适合个人用户。"
所以未来 5-10 年，L3 和 L4 会长期并存。L3 先在乘用车的高速场景普及，解决通勤痛点；L4 先在 Robotaxi 领域落地，由运营商承担成本。
针对中国市场，英伟达也在加大本地化投入。建本地化的数据中心，和中国伙伴一起优化中国复杂的交通场景，开放更多技术资源支持本土创新。和奇瑞的合作，就是英伟达深耕中国市场的一步。
英伟达重构汽车圈：有人拿到船票，有人找到新赛道
英伟达的崛起，正在悄悄改变整个汽车产业链的格局。旧的规则被打破，新的机会正在涌现。
最开心的是中小车企。以前开发一套 L2++ 要几亿投入，中小车企根本玩不起。现在基于英伟达的开放平台，几十人、几千万就能做出来，相当于拿到了一张通往智能化时代的船票。
传统 Tier1 也找到了新的方向。以前它们是车企的 "爸爸"，提供全套解决方案。现在它们转型成了英伟达生态的硬件集成商，发挥自己的制造和供应链优势，反而活得更好了。德赛西威就是最好的例子，现在已经是国内最大的自动驾驶域控制器供应商。
Robotaxi 行业也迎来了拐点。以前 Robotaxi 公司要自己做全栈技术，烧钱无数。现在直接用英伟达的 DRIVE AV 平台，就能快速部署车队，竞争焦点从技术研发转向了运营能力。
英伟达从来不是来抢谁的饭碗的，它是来给整个行业赋能的。
就像当年的安卓赋能了整个智能手机行业一样，现在英伟达正在用开放的技术平台，赋能整个智能汽车行业。
物理 AI 的大幕，刚刚拉开
走出北京车展的展馆的时候，我突然想起十年前。
那时候自动驾驶还是实验室里的概念，很多人觉得这辈子都坐不上无人驾驶汽车。
而现在，我们已经能清晰地看到 L4 的曙光了。
很多人说英伟达是运气好，赶上了 AI 的浪潮。但其实所有的运气，都是长期主义的结果。十年前没人看好自动驾驶的时候，黄仁勋就已经 all in；当行业还在争论模块化和端到端的时候，英伟达已经在布局仿真和世界模型了。
吴新宙说："没有一件事是容易的。至于现在干得怎么样，我觉得还言之过早，再过一两年再看吧。"
但我相信，2026 年的北京车展，一定会被写入历史。因为在这一年，自动驾驶真正从技术走向了量产，物理 AI 的大幕，正式拉开了。
未来，汽车会变成轮子上的机器人，出行方式会被彻底改变。
而英伟达，会作为这个时代的技术基石，和所有合作伙伴一起，把这个未来变成现实。
点「在看」，给前前加鸡腿
热门跟贴